AMD dan Intel Berkolaborasi Mempermudah Pengembangan AI pada Prosesor x86 melalui PyTorch
AMD dan Intel mengumumkan kolaborasi teknologi pada 20 Oktober 2026 untuk menyederhanakan pengembangan aplikasi kecerdasan buatan berbasis prosesor x86 menggunakan PyTorch. Kedua perusahaan sepakat menyatukan optimalisasi CPU melalui oneDNN, pustaka perangkat lunak terbuka untuk mempercepat pekerjaan deep learning. Dalam kerja sama tersebut, AMD akan mengintegrasikan teknologi ZenDNN ke dalam oneDNN yang juga digunakan Intel. Langkah ini bertujuan mengurangi perbedaan jalur optimalisasi perangkat lunak antara kedua produsen prosesor. Pengembangan bersama tersebut diharapkan mempermudah programmer membangun, memelihara, dan menjalankan aplikasi AI pada beragam sistem komputer tanpa harus mengandalkan pengaturan khusus untuk setiap merek CPU.
Kerja Sama Dua Produsen CPU Mendukung Pengembangan Kecerdasan Buatan
Perkenalan kolaborasi antara AMD dan Intel menjadi langkah strategis dalam pengembangan perangkat lunak AI. Berkat kolaborasi teknologi ini, AMD dan Intel ingin memperbaiki dukungan pemrosesan AI pada CPU. Dalam pendekatan yang telah berjalan, pengembang prosesor tersebut mengembangkan pendekatan khusus untuk perangkat kerasnya. Karakteristik ekosistem sebelumnya sering menghadirkan kompleksitas pengembangan. Melalui oneDNN, kedua perusahaan menargetkan pengembangan lingkungan optimalisasi yang konsisten. Dengan demikian, pengembang aplikasi berpotensi memperoleh pengalaman pengembangan yang lebih konsisten.
Kolaborasi tersebut berkaitan dengan rekomendasi x86 Ecosystem Advisory Group. Kelompok tersebut dibentuk untuk memperkuat standar komputasi yang lebih konsisten. Kendati kedua produsen chip tersebut memiliki produk yang saling berkompetisi, pengembangan teknologi bersama mampu menawarkan nilai tambah bagi industri. Dalam lingkungan komputasi modern, kemudahan penerapan aplikasi semakin dibutuhkan. Oleh sebab itu, pengembangan jalur perangkat lunak bersama berpotensi mengurangi fragmentasi teknologi tanpa membatasi pilihan prosesor pengguna.
Teknologi oneDNN Mendukung Pemrosesan AI pada Arsitektur x86
Salah satu komponen utama adalah oneDNN, yaitu pustaka deep learning terbuka yang berfungsi mendukung pemrosesan operasi matematika. Teknologi oneDNN menghadirkan komponen percepatan algoritma untuk aplikasi pembelajaran mesin. Pada pekerjaan komputasi tertentu, oneDNN dirancang mengoptimalkan pengolahan tensor yang menjadi bagian penting dalam jaringan saraf tiruan. Berkat hubungan antara pustaka dan framework, sistem memiliki kesempatan mengakses optimalisasi CPU tanpa mengembangkan semua operasi matematika sendiri. Pendekatan tersebut membantu menyederhanakan proses pengembangan.
Melalui kesepakatan bersama, AMD dan Intel menyepakati oneDNN sebagai library utama untuk percepatan CPU x86 dalam PyTorch. Keputusan tersebut dirancang menghadirkan jalur optimalisasi yang lebih seragam pada sistem komputer dari kedua produsen. Apabila pekerjaan deep learning diproses pada perangkat keras berbeda, pustaka optimalisasi dapat memilih jalur pemrosesan yang dioptimalkan. Berkat pendekatan ini, pengembang tidak harus menulis ulang komponen pemrosesan untuk setiap CPU. Namun demikian, hasil performa dapat berbeda menurut konfigurasi perangkat lunak yang digunakan.
AMD Mengintegrasikan ZenDNN ke dalam Pustaka oneDNN
Bagian penting dari implementasi adalah penyatuan kemampuan pemrosesan ZenDNN ke dalam oneDNN. ZenDNN sendiri bertujuan mendukung pengoptimalan pekerjaan jaringan saraf pada arsitektur CPU AMD. Dalam pengembangan sebelumnya, kemampuan percepatan AMD memiliki jalur pengembangan tersendiri. Berkat strategi penyatuan ini, AMD akan mengintegrasikan fungsi percepatan khususnya ke lingkungan optimalisasi terbuka. Integrasi teknologi tersebut berpotensi mendukung pemeliharaan satu basis perangkat lunak. Berkat integrasi ini, aplikasi yang berjalan pada CPU AMD tetap dapat memperoleh penyesuaian performa prosesor melalui implementasi oneDNN.
Di samping memperluas kontribusi perangkat lunak, AMD mengambil peran sebagai Steering Member dalam UXL Foundation. UXL Foundation menjadi wadah pengembangan sejumlah proyek perangkat lunak terbuka, termasuk oneDNN. Posisi AMD dalam organisasi mendukung keterlibatan langsung dalam pembahasan strategi teknologi. Di sisi lain, Intel melanjutkan pengembangan pada pengembangan komponen deep learning. Melalui kontribusi kedua perusahaan, pengelola framework berpotensi memperoleh perbaikan yang lebih terkoordinasi. Meski arah pengembangan sudah disepakati, penggabungan setiap optimalisasi memerlukan proses pengembangan sebelum dapat digunakan secara luas.
Teknologi ACE Mendukung Perkalian Matriks pada CPU Generasi Mendatang
Tidak hanya mengembangkan oneDNN bersama, AMD dan Intel menyiapkan kolaborasi pada AI Compute Extensions atau ACE. Rancangan ACE merupakan kelompok instruksi baru untuk prosesor x86 yang dirancang mengoptimalkan pemrosesan perkalian matriks. Untuk menjalankan model pembelajaran mesin, pengolahan data numerik menjadi kebutuhan utama. Operasi matematika tersebut sering muncul komputasi algoritma AI. Dengan pengembangan ACE, prosesor yang mendukung teknologi tersebut diharapkan mampu memproses perhitungan AI melalui jalur instruksi khusus.
Rencana pengembangan ACE memiliki hubungan penting terhadap integrasi oneDNN dalam PyTorch. Perusahaan pengembang x86 tersebut menyampaikan bahwa dukungan ACE ditargetkan tersedia melalui pembaruan oneDNN pada masa depan. Berkat dukungan pustaka bersama, pengembang AI dapat memperoleh akses terhadap optimalisasi instruksi generasi berikutnya tanpa harus mengubah seluruh kode aplikasi. Namun demikian, teknologi tersebut bukan bukti adanya dukungan otomatis untuk seluruh perangkat x86. Dukungan ACE dalam aplikasi memerlukan implementasi perangkat keras yang telah disiapkan.
Kolaborasi AMD Intel Mempermudah Pengembangan Aplikasi AI Perusahaan
Salah satu manfaat utama dari pengembangan software bersama adalah fleksibilitas penerapan model pada prosesor AMD dan Intel. Pada kebutuhan pusat data, penggunaan sistem dari beberapa vendor dapat menimbulkan tantangan kompatibilitas. Pada infrastruktur komputasi tertentu, sebuah perusahaan berpotensi memiliki server AMD EPYC untuk mendukung aplikasi bisnis. Melalui satu jalur optimalisasi, organisasi memiliki peluang menyederhanakan kebutuhan penyesuaian khusus vendor. Dengan demikian, pengembangan aplikasi berpotensi menjadi lebih praktis.
Di luar penggunaan perusahaan berskala besar, pengembangan AI berbasis x86 berpotensi berguna bagi pengembang independen. Berbagai aplikasi kecerdasan buatan selalu memerlukan akselerator khusus. Untuk model tertentu, CPU berpotensi menjadi pilihan untuk pengujian model berdasarkan kebutuhan performa. Dalam kegiatan pengembangan, model pengolahan data tertentu dapat dijalankan pada server yang tersedia. Dengan pemanfaatan pustaka percepatan, operasi tertentu dapat memanfaatkan efisiensi tambahan. Walaupun CPU tetap memiliki peran penting, penggunaan akselerator AI tidak otomatis tergantikan, terutama ketika beban komputasi sangat besar.
Penyatuan Optimalisasi CPU Menjadi Langkah Penting Teknologi Kecerdasan Buatan
Kerja sama AMD dan Intel memperlihatkan kemajuan menarik dalam pengembangan perangkat lunak deep learning. Melalui penyatuan kemampuan percepatan AMD ke dalam oneDNN, kedua perusahaan menargetkan pengembangan lingkungan pemrosesan PyTorch yang lebih terpadu. Strategi pengembangan ini diharapkan membantu tim rekayasa perangkat lunak dalam memelihara kode pada infrastruktur yang menggunakan kedua merek. Selain itu, pengembangan arsitektur instruksi baru berpotensi memperluas percepatan operasi matriks. Walaupun rencana tersebut menjanjikan, dampak terhadap pengguna harus dievaluasi berdasarkan versi perangkat lunak yang digunakan.
Pada era pertumbuhan aplikasi AI, keterbukaan ekosistem perangkat lunak tetap menjadi faktor strategis untuk mendukung inovasi. Integrasi ZenDNN ke oneDNN dapat menjadi langkah menuju kompatibilitas yang lebih baik. Walaupun kedua perusahaan bekerja sama, AMD dan Intel tetap bersaing dalam penjualan perangkat keras komputasi. Berkat keseimbangan antara persaingan dan kolaborasi, industri diharapkan mendapatkan dukungan perangkat lunak yang lebih konsisten. Hasil pengembangan bersama dapat dievaluasi dari peningkatan kompatibilitas pada berbagai sistem x86. Menurut pandangan Anda, apakah penyatuan optimalisasi melalui oneDNN akan mempermudah pembuatan aplikasi AI? Anda dapat berbagi pemikiran mengenai masa depan prosesor x86.
